Ralph Wiggum Loop로 초기창업패키지 사업 계획서 작성하기 - 2/2
2026.01.29
한줄 요약
PASS/FAIL 기준을 세워두고 실제로 Ralph Loop를 돌려봤습니다. 54개 세션이 자동 실행되었고, 예상과 다른 교훈들을 얻었습니다. 그리고 구글 문서로 옮기는 과정에서 진짜 고통이 시작됐습니다.
이전 글 요약
Ralph Wiggum Loop로 초기창업패키지 사업 계획서 작성하기 - 1/2
[1편]에서 다뤘던 내용을 간단히 정리하면:
작년에 ChatGPT로 제안서 작성 시도 → 실패
올해는 Claude Code CLI + Task 단위 쪼개기 + Ralph Loop 전략
딥테크 기준이 모호해서 실제 선정 사례에서 역추론
20개 서브태스크로 세분화하고 각각 PASS/FAIL 기준 정의
"다음에는 실제로 Ralph Loop를 돌려볼 예정"
이번 글에서는 실제로 돌려본 결과와 그 과정에서 배운 것들을 공유합니다.
1. Ralph Loop 실제 실행: 54개 세션의 향연
run-tasks.sh 자동 실행
PASS/FAIL 기준을 정의해둔 Task들을 자동으로 실행하는 bash 스크립트(run-tasks.sh)를 만들었습니다. 구조는 단순합니다:
1. progress.txt를 읽어서 "미시작" 상태인 Task를 찾는다
2. 해당 Task에 대응하는 프롬프트를 plan-write-up.md에서 추출
3. claude -p --model opus --dangerously-skip-permissions --print 로 실행
4. 결과를 파일로 저장하고 progress.txt 상태 업데이트
5. 다음 Task로 넘어감
이걸 한 번 돌리면, 사람 개입 없이 여러 Task가 연속 실행됩니다.
실행 결과
Day 5-6에 걸쳐 총 54개 세션이 자동 실행되었습니다.
완료된 Task 목록:
Task 0.1 (분석): 챕터별 핵심 포인트, 고득점 전략, 딥테크 3요소 핵심 논리 정리
Task 1.1~1.3 + 1.R (1장 문제인식): 기업의 AI 전환 수요 폭발, 3가지 실패 지점, 기존 대안 비교표
Task 2.1~2.5 + 2.R (2장 실현가능성): CurateBot 서비스 개요, 딥테크 3요소, 차별점, 개발 로드맵, 사업비 계획
Task 3.1~3.4 + 3.R (3장 성장전략): TAM/SAM/SOM, GTM 전략, 확장 계획, IP 전략
생성된 파일:
draft/ch1-problem.md
draft/ch2-solution.md
draft/ch3-scaleup.md
한 번 돌아갈 때 약 30분 정도 걸렸던 것 같아요.
2. 예상과 달랐던 점들
교훈 1: 전체 한 번에 돌리는 것보다 섹션별로 쓰고 리뷰하는 게 나았다
처음에는 "20개 Task를 한 번에 쭉 돌리면 아침에 완성본이 나오겠지"라고 기대했습니다.
결과적으로 초안은 나왔지만, 내가 원하는 방향과 다른 부분이 많았습니다.
왜냐하면:
AI가 쓰다 보면 아이디어가 생기거나, 방향이 틀어지는 경우가 있음 - 예를 들면 불필요한 것이 추가되고 이걸 설명하기 위해서 계속 늘어남
그런데 한 번에 쭉 돌리면 중간에 방향 수정이 안 됨
결국 완성된 초안을 읽고 → 수정하고 → 다시 돌리는 작업이 필요했음
더 나은 방식:
섹션 1개 쓰기 → 리뷰 → 수정 → 다음 섹션 쓰기 → ...
이렇게 하면 중간중간 방향을 잡아줄 수 있습니다. Ralph Loop의 "성공할 때까지 반복"은 코딩에서는 테스트 통과 여부로 판단 가능하지만, 글쓰기에서는 "성공"의 기준이 내 머릿속에만 있기 때문입니다.
교훈 2: 글 쓰면서 생각이 정리된다
AI에게 시키기 전에 내가 뭘 원하는지 완벽히 알고 있어야 한다고 생각했습니다.
그런데 실제로 해보니, AI가 쓴 초안을 읽으면서 내 생각이 정리되는 경우가 많았습니다.
"아, 이렇게 쓰면 안 되겠다. 이 부분은 더 강조해야 하고, 저 부분은 빼야겠다."
이런 깨달음은 AI가 일단 뭔가를 써줘야 생기는 것입니다. 빈 페이지를 보고는 절대 안 떠오릅니다.
결론: AI와 글쓰기도 "생각을 정리하는 과정"입니다. AI가 대신 써주는 게 아니라, AI가 써준 걸 보면서 내가 뭘 원하는지 알게 되는 협업입니다.
교훈 3: 리서치는 아웃라인 단계에서 했어야 했다
처음 계획은 이랬습니다:
아웃라인 잡기
각 챕터 쓰면서 필요하면 리서치 (이걸 서브에이전트 여러개 만들어서 진행)
그런데 이게 문제였습니다. 챕터마다 AI가 리서치를 하니까:
매번 다른 출처, 다른 숫자가 나옴
앞 챕터와 뒤 챕터의 통계가 안 맞는 경우 발생
토큰 소모량 폭발 (같은 리서치를 여러 번 반복)
더 나은 방식:
아웃라인 단계에서 필요한 리서치를 미리 다 해놓고,
그 리서치 결과를 참조 파일로 만들어서
각 챕터 쓸 때 그 파일만 참조하게 함
이렇게 하면 일관성도 유지되고, 토큰도 아낍니다.
교훈 4: 토큰 한계와의 싸움
제안서 전체가 약 15페이지(A4 기준)입니다. 이걸 한 번에 리뷰 맡기려면?
Claude의 경우 약 25,000 토큰이 최대인데, 이게 대략 A4 15~20장 정도입니다. 딱 맞거나 조금 부족합니다.
해결책:
각 챕터를 요약본 + 원문 조합으로 리뷰 요청
또는 Gemini CLI 사용 (더 긴 컨텍스트 지원)
실제로 중요한 리뷰는 Gemini를 병행해서 받았습니다.
3. 서브에이전트 병렬 리뷰의 위력
Ralph Loop의 핵심 장점 중 하나는 자동화된 리뷰입니다.
각 챕터(ch1, ch2, ch3)를 다 쓴 후 Task X.R (리뷰 태스크)를 실행하면:
서브에이전트 3개가 병렬로 검토:
1. 내용 품질 검토 에이전트
2. 형식/구조 검토 에이전트
3. 딥테크 요건 검토 에이전트
이 세 에이전트가 각자의 관점에서 문제점을 지적하고, 그걸 종합해서 수정사항 목록을 만들어줍니다.
실제로 받은 피드백 예시:
❌ KPI 수치 목표가 없음
guide-proposal 권고: "누락률 X%→Y%", "완주율 A%→B%", "근거 포함률 C%" 등 정량 목표 필수
현재: "누락률, 완주율, 근거 포함률, 원가로 측정"이라고만 서술 → 현재 수치 + 목표 수치를 반드시 명시
❌ 마일스톤과 비목의 1:1 매칭 없음
guide-proposal: "무엇을 만들기 위해 어떤 비목이 필요한지가 읽히게"
현재: 비목별로 "어떤 산출물을 위한 것인지" 연결 없음
5) 심층인터뷰/발표 대비 관점 점검
예상 질문 | 현재 답변 준비 상태 | 보강 필요 사항 |
|---|---|---|
"API 래핑 아닌 근거?" | ✅ 양호 | sLLM vs LLM API 구분을 더 명확히 |
"성과 지표가 뭔가?" | ⚠️ 보통 | 누락률/완주율 등 언급은 있으나 수치 목표 없음 |
"OpenAI가 내일 같은 거 만들면?" | ✅ 양호 | 4가지 방어 논리 포함 |
"왜 정부지원이 필요한가?" | ❌ 약함 | 실증 비용 구체화 필요 (라벨링 X건, GPU Y시간 등) |
"마케터 인건비가 왜 R&D 예산?" | ❌ 취약 | 현재 구조로는 방어 불가 → 예산 재설계 필요 |
"AI 엔지니어 아직 안 뽑았는데?" | ❌ 취약 | 채용 타임라인/채널/백업 플랜 없음 |
"TIPS R&D랑 뭐가 다른가?" | ⚠️ 보통 | 차별점 서술 보강 필요 (TIPS는 기반 기술, 초창패는 사업화+추가 R&D) |
"해외 50사 어떻게?" | ❌ 취약 | 해외 전략 상세 전무 |
이런 피드백은 내가 놓치기 쉬운 부분을 잡아줍니다. 특히 정부과제는 "잘 쓰는 것"보다 "트집 안 잡히게 쓰는 것"이 중요한데, 작성 가이드에 한줄이나 몇 단어 나와서 빠뜨린 KPI를 단계별로 명시하라는 것, 마일스톤과 사업비의 비목, 그리고 마일스톤과 그 마일스톤 각각의 담당자가 팀 구성에서 지정되어야 하는 것, 이런 것들은 쉽게 추가할 수 있지만 없는 경우, 트집 잡힐 수 있는 부분이었는데, AI 리뷰가 이런 세세한 부분을 챙겨줬습니다.
체감 효능감:
"나는 사소하게 생각하지만, 평가 기준에 있어서 놓치기 쉬운 것들을 잘 챙겨준다."
다만 시간이 부족해서 피드백을 다 반영하지는 못했습니다. 마감이 코앞이었거든요.
4. 구글 문서로 옮기기: 진짜 고통의 시작
사업계획서를 마크다운으로 쓴 이유는 AI가 쉽게 읽고 쓸 수 있어서입니다.
그런데 최종 제출은 구글 문서(Google Docs) 또는 워드(Word) 형식이어야 합니다.
문제 1: 불릿 리스트 스타일
마크다운의 불릿 리스트(-)가 구글 문서로 옮겨지면 기본 스타일로 바뀝니다. 폰트, 크기, 들여쓰기가 다 제각각.
해결책으로 Google Apps Script를 만들었습니다:
마크다운 불릿 레벨에 따라 폰트 크기 차등 적용 (레벨0: 13pt, 레벨1: 12pt, ...)
Nanum Gothic 폰트 통일
레벨0만 볼드, 나머지는 일반체
이 스크립트를 다듬는 데만 반나절이 걸렸습니다.
문제 2: 테이블 변환
마크다운 테이블이 구글 문서 테이블로 깔끔하게 안 바뀝니다.
| 구분 | 내용 | 비고 |
|------|------|------|
| A | B | C |
이게 복붙하면 그냥 텍스트로 들어갑니다. 결국 Apps Script에 테이블 변환 로직을 추가했습니다.

문제 3: 다이어그램 (가장 고통스러웠음)
마크다운에서 다이어그램은 Mermaid 코드로 작성합니다:
flowchart LR
A[입력] --> B[처리] --> C[출력]
이걸 구글 문서에 넣으려면:
mermaid.live에서 PNG로 내보내기
그 PNG를 구글 문서에 이미지로 삽입
또는:
draw.io에서 Extras > Mermaid로 import
draw.io에서 편집 후 PNG 내보내기
구글 문서에 삽입
둘 다 수동 작업입니다.
마크다운으로 쓸 때는 Mermaid 코드 한 줄로 끝났는데, 구글 문서로 옮기면서 다이어그램 하나당 5~10분씩 걸렸습니다. 제안서에 다이어그램이 5개 있었으니 거의 1시간.
나노 바나나도 GPT Image도 저를 구해주진 못했어요. 이건 제가 프롬프트를 잘 못쳐서 그런걸수도 있습니다만, 아무튼 시간에 쫓기고 있어서 더 시도해보지 못했습니다.
아래 머메이드 다이어그림을 16:9 사이즈로 깔끔하고 현대적이게 그려줄래?
lowchart LR
subgraph D["1. Discovery<br/>발견"]
D1["오늘의 벤치마킹<br/>추천 도착"]
D2["Implicit<br/>Personalization<br/>기반 추천"]
end
subgraph G["2. Guidance<br/>가이드"]
G1["지피터스 원본<br/>검증 사례"]
G2["AI 보강<br/>상세 가이드"]
end
subgraph E["3. Execution<br/>실행"]
E1["'3분 만에<br/>따라 해보기'"]
E2["업무 툴 자동 연동<br/>Claude / ChatGPT /<br/>Linear / Jira"]
end
subgraph F["4. Feedback<br/>피드백"]
F1["명시적 피드백<br/>라이크 / 평점"]
F2["암묵적 피드백<br/>행동 로그 수집<br/>완료·이탈·체류시간"]
end
subgraph M["5. Management<br/>관리"]
M1["팀장 대시보드"]
M2["AI 활용도<br/>완주율 / AX 지수<br/>외부 벤치마크"]
end
D --> G --> E --> F --> M
F -->|"추천 품질<br/>개선 루프"| D
<나노 바나나 작품>

<GPT Image 작품>
교훈:
제출 포맷을 처음부터 고려해서 작성해야 함
draw.io나 Canva로 처음부터 그릴 걸 그랬음
또는 Mermaid → PNG 자동 변환 파이프라인을 미리 세팅해놓을 걸
5. 총 결론: AI와 글쓰기, 무엇이 달라졌나
AI가 대체한 것
1. 포맷 맞추기
불릿 리스트 정리, 헤딩 레벨 맞추기, 표 양식 통일
이런 "생각 없이 할 수 있는 일"은 확실히 AI가 잘함
2. 초안 작성
빈 페이지 공포증 해결
일단 뭔가 채워져 있으면 수정하기 훨씬 쉬움
3. 세세한 체크
평가 기준에 나온 항목 빠짐없이 확인
숫자/출처 누락 체크
"트집 안 잡히게" 쓰는 데 도움
AI가 대체 못한 것
1. 내 생각 정리
AI가 쓴 걸 보면서 "아 이건 아닌데"라는 판단은 내가 해야 함
방향 수정, 강조점 변경 등은 사람 몫
2. 심사위원 평가 환경 or 심리 반영
"서류 평가는 꼼꼼하게 읽어보지 않을텐데, 스킴해서 볼 때 눈에 확 들어오는가?"
"심사 시에 첫 2-3분 동안 빠르게 훑어보는 심사위원 입장에서 눈에 띄는가?"
이런 건 아직 AI가 잘 못함 (하지만 프롬프트로 유도는 가능)
3. 최종 책임
AI가 쓴 숫자가 틀릴 수 있음
결국 팩트체크는 사람이 해야 함
생산성 체감
한 번 쓰는 작업: 20~30% 정도 빨라진 느낌
AI 쓰는 법 익히고, 프롬프트 다듬고, 결과 검토하는 시간이 있어서 드라마틱하지는 않음
반복 작업: 훨씬 큼
한 번 만들어둔 프롬프트, 스크립트, 참조 파일을 다음 프로젝트에 재활용
같은 형식의 제안서를 또 쓴다면 50% 이상 단축 예상
리뷰 효능감: 가장 컸음
"내가 놓친 걸 AI가 잡아줬다"는 안도감
심리적으로 제출 전 불안감 감소
6. 다음에 또 쓴다면 이렇게 하겠다
외부 문서 변환
Markdown Converter 스킬 대신 Parse 라이브러리 사용
처음부터 깔끔한 .md 파일로 만들기
리서치 타이밍
아웃라인 단계에서 리서치 완료
리서치 결과를
research-results.md같은 파일로 정리챕터 쓸 때는 그 파일만 참조
Ralph Loop 활용
전체를 한 번에 돌리지 않고, 섹션별로 돌리고 중간 확인
그걸 끝내서 원하는대로 나온다 싶고, 내 생각도 정리되면, 그때 전체를 10벌 정도 만든 후 가장 좋은 것 선택
제출 포맷 고려
처음부터 구글 문서 호환성 고려
다이어그램은 draw.io나 Canva로 처음부터 작성
또는 Mermaid → PNG 자동 변환 파이프라인 세팅
리뷰 시간 확보
AI 리뷰 피드백을 반영할 시간을 마감 2~3일 전까지 확보
이번에는 마감 직전이라 피드백 반영 못한 게 아쉬움
7. 핵심 팁 정리 (전체 시리즈 종합)
준비 단계
외부 문서(PDF, 양식 등)를 깔끔한 마크다운으로 변환해두기
딥테크 같은 모호한 기준은 실제 선정 사례에서 역추론
Task를 서브태스크로 쪼개고 PASS/FAIL 기준 정의
작성 단계
아웃라인 단계에서 리서치까지 완료하기
한 번에 다 돌리지 말고, 섹션별로 쓰고 리뷰하기
AI가 쓴 초안을 보면서 내 생각 정리하기
리뷰 단계
서브에이전트 병렬 리뷰로 다각도 검토
긴 문서는 요약+원문 조합, 또는 Gemini 병행
리뷰 피드백 반영할 시간 확보 (마감 2~3일 전)
제출 단계
처음부터 제출 포맷(구글 문서/워드) 호환성 고려
다이어그램은 Mermaid 말고 draw.io/Canva로
최종 팩트체크는 사람이
마무리: 재활용이 핵심이다
이번 프로젝트에서 만들어진 것들:
plan-write-up.md- 20개 서브태스크 정의서guide-proposal.md- 고득점 전략 가이드run-tasks.sh- 자동 실행 스크립트progress.txt- 상태 관리 파일google-apps-script/markdown-to-gdoc-style.gs- 문서 변환 스크립트각종 리서치 결과 파일들
이것들은 다음 정부과제에서 재활용할 수 있습니다.
처음 한 번은 세팅하느라 시간이 걸렸지만, 두 번째부터는 훨씬 빠르게 진행할 수 있을 겁니다. 비개발자가 AI 코딩 에이전트를 쓰는 진짜 가치는 여기에 있습니다:
"한 번 만든 워크플로우를 파일로 남기고, 다음에 재활용한다."
웹 챗봇으로는 이게 안 됩니다. 대화가 끝나면 사라지니까요. 로컬 파일 기반 에이전트를 쓰면, 내가 쌓아온 작업물이 자산으로 남습니다.
로그인하고 댓글을 남겨 주세요
구글 문서로 옮기는 과정에서 app script를 활용하는 점이 굉장히 좋은 아이디어였던 것 같습니다.
사례 통해서 노하우 배웠습니다!
이력서든 정부지원 과제든 누구나 AI로 찍어내듯 쓰는 시대일텐데
AI를 단순 글쓰기 보조가 아니라 리서치 - 에이전트 리뷰 관점에서 병렬 처리로 작업하신게 흥미로웠습니다.
그나저나 정부 지원 과제 양식... AI 시대에는 md 파일도 진짜 받아줘야하는거 아닌가요? ㅎㅎ
텍스트나 구조가 메인인 이미지는 차라리 이걸 웹에서 html이나 css로 구현하려고 하면 오히려 깔끔하게 잘 나오는 경우가 있더라구요. 저도 마크다운을 다른 문서 형식으로 바꿔야할 경우가 종종 있는데, 사례가 도움이 많이 될 거 같습니다 🙂
우리 회사에도 이런 자동화를 도입하고 싶다면
회사 업무에 맞춘 AI 교육을 함께 설계해요.




AI에게 처음부터 완벽한 무언가를 시키기보다 같이 대화하는 과정에서 원하는 것이 구체화된다는 점이 많이 공감이 갑니다. 좋은 내용 공유 감사합니다!